想在wind中试验python接口,该怎么做到

龚四林 2019-12-21 23:26:00

推荐回答

先建立一个数据库。qw@qw-Latitude-E4300:~$mysql-uroot-pEnterpassword:打开数据库,正确输入密码之后,呈现下面的结果WelcometotheMySQLmonitor.Commandsendwith;or\g.YourMySQLconnectionidis373Serverversion:5.5.38-0ubuntu0.14.04.1UbuntuCopyrightc2000,2019,Oracleand/oritsaffiliates.Allrightsreserved.OracleisaregisteredtrademarkofOracleCorporationand/oritsaffiliates.Othernamesmaybetrademarksoftheirrespectiveowners.Type''help;''or''\h''forhelp.Type''\c''toclearthecurrentinputstatement.mysql>在这个状态下,输入如下命令,建立一个数据库:mysql>createdatabaseqiwsirtestcharactersetutf8;QueryOK,1rowaffected0.00sec注意上面的指令,如果仅仅输入:createdatabaseqiwsirtest,也可以,但是,我在后面增加了charactersetutf8,意思是所建立的数据库qiwsirtest,编码是utf-8的,这样存入汉字就不是乱码了。看到那一行提示:QueryOK,1rowaffected0.00sec,就说明这个数据库已经建立好了,名字叫做:qiwsirtest数据库建立之后,就可以用python通过已经安装的mysqldb来连接这个名字叫做qiwsirtest的库了。进入到python交互模式要提供一个访问端口给它。charset:这个设置,在很多教程中都不写,结果在真正进行数据存储的时候,发现有乱码。这里我将qiwsirtest这个数据库的编码设置为utf-8格式,这样就允许存入汉字而无乱码了。注意,在mysql设置中,utf-8写成utf8,没有中间的横线。但是在python文件开头和其它地方设置编码格式的时候,要写成utf-8。切记。
龙岳红2019-12-22 00:09:41

提示您:回答为网友贡献,仅供参考。

其他回答

  • 做量化,首先要解决的无疑是数据的获取问题。wind是众多机构和个人的原始数据获取源头。同时,python作为量化投资领域最为热门的编程语言之一,更是受到了诸多关注,像优矿、米匡、聚宽这些普及量化投资的网站,也都是应用python实现的。下面就讲下小白在应用python调用wind接口获取数据时的两个小技巧。小技巧1:应用wind代码生成器不同于matlab,pyhton并没有类似的图形化操作界面。在初步应用python时,最为苦恼的是获取某类数据时,不晓得如何写代码,也不晓得获取的结果是否正确。有时,为了方便知晓数据获取代码,甚至特意安装一个matlab。其实,wind本身有一个代码生成器WindNavigator,位于wind安装目录bin下。如下图所示。看,相对而言,比matlab的操作界面还要简单方便。
    堵文斌2019-12-21 23:59:58
  • 使用Python插件,首先需要安装python环境,其次是WindPy接口。建议直接安装Pythonx,y,一堆东西都有了。登录wind之后,在菜单,自动进行插件的安装。
    管爵杉2019-12-21 23:40:52

相关问答

Python是非常适合做quant类工作的语言,本身就是科学计算方面的统治级语言,现在加入了IPython,pandas等重量级神器,为Quant类工作量身定做,而且仍在飞速发展中,以后会越来越重要。关于其他语言,首先介绍一下我自己最喜欢的一个比较小众的组合,Mathematica+Java/Scala。Mathematica的优点在于:本身提供函数式的编程语言,表达能力非常强大,比如Map/Reduce是标配,很多时候不需要去做烦人的for循环或下标控制,排版经常可以直接照数学公式原样输入,即直观又不容易写错;代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅,甚至还可以直接生成动画,对于找直观理解非常有帮助。他们也可以快速学习掌握一种像C++,Java这样的语言,实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担,另一方面一旦涉及到性能敏感的情景,他们对计算机体系结构缺乏理解的缺点就容易暴露,比如说很可能他们没有计算复杂度,内存碎片,cachemiss,甚至多线程等概念,导致写出的程序存在相当大的隐患。即使是计算机功底扎实,如果每天的工作需要在C++,Python,R/Matlab,甚至一众脚本语言之前来回切换,思维负担也会非常重,人的精力是有限的,很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模,专心做生产环境开发,要么远离生产环境,专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。如果深入思考这个问题,相信不难得出结论,对于Quant来说,C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上,它比更面向机器的C已经友好了很多,但是在计算机技术飞速发展的今天,如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据,不论你是想分析价格走势,成交量分布,还是波动性,第一件要做的事一定是画出图来看看,有一个直观认识。如果你的工具是C++,肯定有很多时间花在编译,调试,再编译的过程上,好容易能解析文件了,接下来怎么算移动平均?怎么算波动性?全都要自己写代码。再然后怎么画图?这整个工作流简直惨不忍睹,这些问题浪费掉你大部分精力,而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯,在决定是否要投资到这项重量级技术上时需要慎重,即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择,即能很好的完成建模工作,也可以训练一定的编程技巧,使你在必要时也能胜任一些简单的C++工作。最后同意@袁浩瀚,不要拘泥于语言,不论学习那一种,对其他的语言还是要抱有开放的心态。另外世界变化很快,你会发现单一的语言分类方式其实是没有意义的,每一门语言在发展过程中都会逐渐吸收其他语言的特性,比如Python本身就既有C/C++/Java那样命令式的特点,也有函数式的特点,像pandas甚至还提供类似SQL的使用方式,在其他语言或系统里也都或多或少包含了不同的特点,可以在学习过程里慢慢体会。